利用地理空间技术与公开数据集开发经济高效的数字国家抽样框：以亚美尼亚为例

《ISPRS International Journal of Geo-Information》：Leveraging Geospatial Techniques and Publicly Available Datasets to Develop a Cost-Effective, Digitized National Sampling Frame: A Case Study of Armenia Saida Ismailakhunova, Avralt-Od Purevjav, Tsenguunjav Byambasuren and Sarchil H. Qader

　　

**摘要**
可靠的国家抽样框的缺乏，尤其是在受流离失所和领土快速变化影响的发展中国家，是进行代表性人口和家庭调查的主要挑战。本研究通过开发亚美尼亚首个数字国家抽样框来填补这一空白，该框架在可访问的调查框架严重受限的背景下构建。研究人员引入了一种创新的预普查枚举区（pre-EA）工具，利用公开数据集半自动构建数字抽样框。与传统方法相比，该方法在多个方面表现更优：它实现了快速、半自动化的框架构建，最大限度地减少了资源需求，消除了与手动数字化相关的几何错误，并生成了既嵌套在行政边界内又与可见地面特征对齐的预普查枚举区（pre-EA）。该方法还整合了网格化人口数据以反映最近的城市化和迁移情况，生成了适用于国家调查的预普查枚举区（pre-EA）和城乡分类。该抽样框已成功应用于世界银行的“倾听亚美尼亚”调查。总体而言，研究表明自动化、数据驱动的方法能够高效地生成准确、可扩展和适应性强的国家抽样框，为面临类似限制的其他国家提供了潜在应用价值。

**论文解读**

**研究背景与问题**
在调查研究中，国家抽样框是覆盖一个国家全部目标人口、作为抽取代表性样本基础的框架（例如基于人口普查或登记册的框架）。在许多国家，人口普查枚举区（EAs）——用于收集和传播普查数据的基本地理单元——通常作为各类调查的国家抽样框。然而，全球范围内，尤其是在发展中国家和受冲突影响的地区，国家抽样框面临若干严峻挑战。许多国家，包括亚美尼亚共和国，依赖于基于以往人口普查枚举区（EAs）的国家抽样框。但这些框架往往过时、非数字化、不完整，无法反映近期的人口变化且难以获取，限制了其使用范围，通常仅供地方政府机构使用，而将研究人员、学者和国际组织排除在外。这一问题在亚美尼亚尤为突出，近期大规模的难民危机以及纳戈尔诺-卡拉巴赫冲突导致的人口分布重大变化进一步加剧了这些挑战。因此，缺乏可访问的、最新的抽样框阻碍了为统计、政策和研究目的开展调查的努力。

**研究内容与意义**
本研究开发了亚美尼亚首个基于预普查枚举区（pre-EA）的数字国家抽样框。该框架通过半自动化的地理空间技术，利用公开数据集（如WorldPop的网格化人口数据、OpenStreetMap（OSM）的可见地面特征数字化数据、全球人类住区图层（GHSL）的建成区和城乡分类数据，以及行政边界数据）构建。研究人员引入了“预普查枚举区（pre-EA）”这一概念，以区分这种新颖的抽样框与官方人口普查枚举区（EAs）。与传统的抽样框相比，基于预普查枚举区（pre-EA）的框架具有多个优势：能够快速、半自动化构建；资源需求最小化；消除了手动数字化带来的几何错误；生成的预普查枚举区（pre-EA）既嵌套于行政边界内，又与可见地面特征（如道路、河流）对齐；并整合了最新的网格化人口数据以反映城市化和迁移。该抽样框已成功应用于世界银行的“倾听亚美尼亚”（L2Arm）调查，证明了其在实际调查中的有效性和实用性。本研究发表在《ISPRS International Journal of Geo-Information》上，为调查抽样领域提供了方法学贡献，展示了自动化、数据驱动的方法在资源有限环境下创建准确、可扩展国家抽样框的潜力，并为面临类似挑战的其他国家提供了可借鉴的模型。

**关键技术方法**
为构建抽样框，研究人员主要采用了以下关键技术方法：
1. **数据整合与预处理**：汇集并预处理了多种公开地理空间数据集，包括WorldPop提供的2020年约100米分辨率的网格化人口估计数据（用于反映人口分布）、OpenStreetMap（OSM）提供的道路、水系、铁路等可见地面特征数字化数据（用于定义抽样单元边界）、全球人类住区图层（GHSL）的建成区数据（GHS-BUILT-S）和城乡分类数据（GHS-SMOD R2023A）（用于界定住区范围和进行城乡分层），以及基于2011年人口普查的亚美尼亚行政边界数据（用于嵌套预普查枚举区）。
2. **城乡分类界定**：针对亚美尼亚缺乏明确定义的城乡边界的问题，研究利用GHS-SMOD的城乡类别和GHS-BUILT-S的建成区数据，通过一系列空间处理步骤（如提取城市类别、矢量化、缓冲区分析、与行政边界相交等），首次生成了亚美尼亚可操作的数字城乡边界，为后续分层抽样提供了基础。
3. **半自动预普查枚举区（pre-EA）生成**：核心是应用由WorldPop与GeoData等合作开发的“预普查枚举区（pre-EA）工具”（一个QGIS插件）。该工具以行政边界、城乡边界、数字化地面特征（部分被指定为“不可跨越”特征，如主要道路、河流）以及网格化人口数据作为输入。用户设定硬性约束（如最大/最小人口规模和地理面积）和软性约束（如形状紧凑性权重），工具通过自动化算法（初始多边形化，然后基于约束合并单元）生成预普查枚举区（pre-EA）。在亚美尼亚的案例中，设定了人口上限约1000人、面积上限约50平方公里等参数。
4. **后处理与验证**：由于输入数据质量限制，自动生成的预普查枚举区（pre-EA）需进行后处理。包括自动合并面积过小或人口可忽略的单元，以及重要的人工调整：通过对比高分辨率卫星影像（如ESRI、Google），识别并将位于非居住区（如农田、工厂、办公楼）但人口估计值非零的预普查枚举区（pre-EA）调整为零人口。此外，将预普查枚举区（pre-EA）级的人口估计按层级（城乡-行政区）比例缩放，以与亚美尼亚统计委员会（ArmStat）2022年的层级人口总数对齐。

**研究结果**
1. **城乡分层的实证基础**：研究首次生成了亚美尼亚可访问的数字城乡边界（图6）。叠加2020年WorldPop人口数据显示，城市区域约占国土面积的20%，却容纳了超过60%的人口；农村区域占80%的国土面积，人口占比不足40。将生成的边界内聚合的人口估计与2011年官方普查数据在行政区（marz）和城乡层级进行对比，显示出高度一致性（相关系数达0.99-1.00），验证了该分类作为抽样分层基础的可靠性（图7，图8）。
2. **数字国家抽样框的构建与属性**：
* **覆盖与规模**：应用预普查枚举区（pre-EA）工具，最终在全亚美尼亚生成了约7，500个预普查枚举区（pre-EA），其中约4，354个预普查枚举区（pre-EA）的人口估计值大于零，其余3，059个被归类为无人居住区（图9b）。
* **人口分布**：有居住人口的预普查枚举区（pre-EA）其人口分布大致呈正态分布（图10），90%的预普查枚举区（pre-EA）人口低于1，156人，总体比基于选举区的抽样框（其成年人口分布呈U型）更为均匀。
* **边界质量**：生成的预普查枚举区（pre-EA）边界满足多项国际标准：严格嵌套在行政边界内（图12a）；尊重不可跨越的自然和人工特征（如主要道路、河流）（图12b）；在城乡区域均与可见地面基础设施（如道路）对齐（图12c，d）。这有助于现场调查员识别和操作，减少误入非抽样区的错误。
* **与现有框架比较**：新框架在数字化程度、全国覆盖、人口全面性、抽样单元大小可管理性、边界清晰度等方面均优于亚美尼亚现有的基于2011年普查住区、2023年选举区等抽样框架。
3. **首次应用：“倾听亚美尼亚”调查**：生成的数字国家抽样框成功应用于世界银行“倾听亚美尼亚”（L2Arm）基线调查。调查采用两阶段分层整群抽样设计：第一阶段，在城乡分层内，使用与预普查枚举区（pre-EA）人口规模成比例的概率（PPS）系统随机抽取400个初级抽样单元（PSUs，即预普查枚举区（pre-EA））；第二阶段，在每个抽中的预普查枚举区（pre-EA）内随机抽取10户家庭。该设计确保了样本在国家、城乡和各地区的代表性，并优化了资源分配。

**讨论与结论**
**讨论部分**指出，基于预普查枚举区（pre-EA）的国家抽样框虽然优势明显，但也存在一些挑战和局限性：
1. **人口估计的准确性**：预普查枚举区（pre-EA）的规模依赖于网格化人口数据的估计值，可能与实际人口存在差异，从而可能影响第一阶段抽样的概率。尽管本研究未验证网格化数据精度，但用户可用更优数据（如人口登记册）更新框架。WorldPop数据后续已有更新版本。
2. **数据质量依赖**：方法的成功很大程度上取决于输入数据（如OSM地面特征数据）的完整性、准确性和属性分类质量。数据覆盖不全或属性错误可能导致生成不理想的预普查枚举区（pre-EA）或错误指定“不可跨越”特征。建议通过“地图马拉松”等活动或利用商业道路网络数据来改善数据源。
3. **城乡分类的可靠性**：虽然与聚合普查数据高度相关，但基于GHSL的城乡分类可能因算法和卫星影像偏差而无法完全反映现实，且与国家统计机构（NSO）的分类方法可能不一致。
4. **非居住区人口误分配**：网格化人口数据有时会将人口错误分配至非居住区（图11），导致部分预普查枚举区（pre-EA）需人工调整。这凸显了区分居住与非居住建筑的复杂性。
5. **资源与时间效率**：与传统手动数字化全国抽样框（可能需数年、数百万美元）相比，本自动化方法（包括人工调整）由一名专家在三个月内完成，显著节省了时间、人力和成本，且避免了手动数字化常见的几何错误（如间隙、重叠）。
6. **潜在应用**：该方法为其他缺乏最新数字抽样框、或现有框架难以获取、或单元过大的国家提供了可行的解决方案，已在索马里、刚果民主共和国等国成功测试。

**研究结论**翻译：
本文为亚美尼亚共和国引入了一个新的国家抽样框，为那些难以获取功能性抽样框以进行代表性家庭调查乃至未来人口普查的发展中国家提供了一个范例。具体而言，它提出了一种用于自动划分预普查枚举区（pre-EA）的创新方法，与基于过时的人口普查枚举区（EAs）、普查住区、选举选区以及传统网格化抽样技术等传统抽样框来源相比，该方法具有若干优势。
本文开发的国家抽样框将亚美尼亚划分为大约7500个预普查枚举区（pre-EA），其中大多数的人口估计值大于零。这些估计值是最新的且相对均匀，主要分布在100至1000人之间。具有明确定义边界的数字化预普查枚举区（pre-EA）通过确保未选中的预普查枚举区（pre-EA）内的家庭不被包含进来，从而便利了家庭选择过程。
本文对调查抽样文献以及收集和使用代表性调查的组织（如研究人员和政策制定者）做出了若干方法论和实践贡献。首先，它通过生成亚美尼亚首个基于预普查枚举区（pre-EA）的数字化框架，扩展了半自动方法在国家抽样框创建中的应用，为传统的国家抽样框划分方法提供了一种替代方案。我们的分析强调了预普查枚举区（pre-EA）对于其他在开发抽样框方面面临类似挑战的国家的适用性。其次，国家抽样框通过提供一个标准化和去中心化的框架，为亚美尼亚的调查实施者和家庭调查使用者做出了贡献。第三，本文系统评估了亚美尼亚现有的抽样框，并将其优势与局限性与提出的框架进行了比较。该比较表明，我们的框架是对现有抽样框的补充，并可以作为一个可行的替代方案。
总之，本文承认了一些局限性并概述了未来研究的方向。虽然提出的国家抽样框解决了两阶段抽样设计第一阶段的一个常见挑战，但针对第二阶段遇到的挑战（例如家庭列表策略）的解决方案超出了本文的范围。未来的研究可以探索家庭列表的创新方法，特别是在使用本文介绍的抽样框时。